题目描述： 重点：与两数之和不同，两数之和只用返回一个下标组合，三数之和是返回所有元素组合，且不重复 方法1：使用双指针，对数组排序后，i 从0遍历到 n-3，左指针是 i+1，右指针是 n-1，然后记得去重 如果nums[i]大于0，返回结果 如果nums[i] + nums[left]大于0，遍

是一种基于策略梯度的强化学习方法 是TRPO的一个改进的版本，都引入了对策略更新幅度（保证了策略的稳定单调提升），只不过TRPO采用的是硬约束的形式，得使用二阶优化方法（比如共轭梯度），效率低，PPO将硬约束变成了软约束 为了实现对策略更新幅度的软约束，ppo通常在目标函数里面剪切新旧策略的比率，或

1：在RLHF中，PPO、DPO、GRPO有什么区别，loss是什么样的、各自的优缺点是啥 共同点：三者都属于策略优化的方法 PPO（近端策略优化）：是一种在线强化学习的方法（但是因为限定了更新的幅度，所以可以利用部分之前的数据），构建奖励模型，依赖Critic模型

题目描述： 方法1：贪心算法，将胃口和饼干从小到大排序，然后从最大的胃口值开始，不断迭代用最大的饼干去满足 class Solution { public: int findContentChildren(vector<int>& g, vector<int>& s) { s

题目描述： 方法1：层次遍历，得到每一层的数组后，再遍历数组填充指针 class Solution { public: Node* connect(Node* root) { queue<Node*>que; if(!root) return root;

题目描述： 方法1：层次遍历，但是只把每一层的最大值存入 result 数组，非递归 class Solution { public: vector<int> largestValues(TreeNode* root) { vector<int> result;

1：为什么使用多头注意力，为啥不使用一个头 表达能力：多头注意力可以更好的捕捉序列中的不同信息，不同的头可以分别去关注序列中的不同内容 计算效率：如果使用一个注意力头，要达到一个比较好的效果，需要一个维度比较大的矩阵，计算复杂度高，多头注意力虽然有多个矩阵，但是是可以并行计算的，效率比较高

题目描述： 方法1：普通的层次遍历，然后反转下结果 class Solution { public: void order(vector<vector<int>>& result, TreeNode* root, int length){ if(!root) return;

题目描述： 方法1：递归 class Solution { public: void order(vector<int>& result,Node* root){ if(!root) return; result.push_back(root->val);

题目描述： 方法1：前序遍历，只不过把读取数字改为交换左右孩子（递归） class Solution { public: void reverse(TreeNode* root){ if(!root) return; swap(root->left,root-